一种轨迹识别模型训练方法及轨迹识别方法技术

本发明专利技术提供一种轨迹识别模型训练方法及轨迹识别方法。本发明专利技术的模型训练方法包括：S1、通过构建基于独热编码向量的语料对的方式将目标轨迹数据编码为轨迹语义向量；S2、构建用于对轨迹语义向量进行评估的循环神经网络和用于对评估结果进行分类的分类器；S3、利用标记轨迹数据对所述循环神经网络和分类器进行训练。本发明专利技术的轨迹识别方法中,采用了新的轨迹语义向量计算方法，该方法可以将不定长的轨迹段投影到定长的向量空间中。通过采用本发明专利技术的模型训练方法可以使得网络学习到不同类别的轨迹特征，通过循环神经网络识别轨迹类别。

【技术实现步骤摘要】
一种轨迹识别模型训练方法及轨迹识别方法
本专利技术涉及计算机领域，更具体涉及运动轨迹数据的处理和识别。
技术介绍
轨迹是一系列记录并描述目标运动路径的数据。轨迹识别问题是根据所捕捉的目标运动轨迹，分析并推测目标身份、类别、意图等信息的识别问题。现有的轨迹识别算法包括基于聚类的轨迹识别方法、基于序列建模的轨迹识别方法以及基于深度学习的轨迹识别方法。基于聚类的轨迹识别方法主要包括DTW(DynamicTimeWarping，动态时间归整)、EDR(EditDistanceonRealsequences，实序列编辑距离)等方法，其主要思想是通过设计用于轨迹数据相似性度量的计算函数，计算不同轨迹之间的相似程度，通过对相似轨迹进行聚类从而达到轨迹划分的作用，进而识别不同种类的轨迹。基于序列建模的轨迹识别方法主要包括HMM(HiddenMarkovModel，隐马尔科夫模型)、CRF(ConditionalRandomField，条件随机场)等方法，其主要思想是利用随机过程等数学模型对轨迹数据进行建模，将待识别的轨迹的分类信息作为建模参数添本文档来自技高网...

【技术保护点】
1.一种轨迹识别模型训练方法，其特征在于，所述方法包括：/nS1、通过构建基于独热编码向量的语料对将目标轨迹数据编码为向量形式的信息编码；/nS2、构建用于将所述信息编码转换为轨迹语义向量的循环神经网络以及基于所述轨迹语义向量进行轨迹分类的分类器；/nS3、利用标记轨迹数据对所述循环神经网络和分类器进行训练。/n

【技术特征摘要】
1.一种轨迹识别模型训练方法，其特征在于，所述方法包括：
S1、通过构建基于独热编码向量的语料对将目标轨迹数据编码为向量形式的信息编码；
S2、构建用于将所述信息编码转换为轨迹语义向量的循环神经网络以及基于所述轨迹语义向量进行轨迹分类的分类器；
S3、利用标记轨迹数据对所述循环神经网络和分类器进行训练。


2.根据权利要求1所述的轨迹识别模型训练方法，其特征在于，所述步骤S1包括：
S1.1、对目标轨迹数据中的各个轨迹点进行向量形式的独热编码；
S1.2、对于每个轨迹点提取其相邻轨迹信息与该轨迹点信息构成语料对；
S1.3、构建用于轨迹点信息编码的学习网络，将所述语料对作为所述学习网络的输入，将所述学习网络的输出层参数作为相应轨迹点的信息编码。


3.根据权利要求1所述的轨迹识别模型训练方法，其特征在于，所述方法还包括对目标轨迹数据按时间进行切片。


4.根据权利要求1所述的基于注意力循环神经网络的轨迹识别模型训练方法，其特征在于，所述步骤S2包括：利用多层感知器基于对所述轨迹语义向量的评估结果对相应轨迹进行分类。


5.根据权利要求1所述的轨迹识别模型训练方法，...

【专利技术属性】
技术研发人员：徐勇军，孙涛，王飞，吴琳，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京;11